whisper-flow

边说话边出字幕，把 Whisper 变成实时转写引擎

Whisper-Flow 是一个基于 OpenAI Whisper 模型的实时语音转写框架，专门解决传统 Whisper 只能整文件批量转写、无法边说话边出文字的问题。它把连续音频切成小块流式送入模型，并增量输出转写结果，让开发者能在通话、直播、会议等场景中获得近乎实时的字幕。项目用 Python 实现并发布到 PyPI，核心能力包括音频分块调度、流式推理封装和增量文本拼接，屏蔽了手动切音频、反复调用模型、处理上下文衔接等繁琐细节。对于想快速搭建实时字幕或语音助手原型的团队，它提供了比直接调用 Whisper 更贴近流式场景的抽象层，降低了从批量转写到实时转写的改造门槛。

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 975

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类语音识别

开发团队dimastatz

所属国家

官网地址https://github.com/dimastatz/whisper-flow

GitHubhttps://github.com/dimastatz/whisper-flow

定价模式free

价格说明开源免费，基于OpenAI Whisper模型

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型pypi-package,python,speech-to-text,transcription,whisper

GitHub 星标★ 975

30天Star增速

HF 下载量

上线时间2024-06-03 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-03

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

在 Whisper 之上封装流式分块与增量输出，省去自己处理音频切片和结果拼接
以 PyPI 包形式发布，Python 项目可快速安装集成，上手成本低
面向实时转写场景设计，比直接调用批量 Whisper 更贴近直播、会议等需求

不足之处

实时性受 Whisper 推理速度和音频块大小影响，低配设备上延迟可能明显
项目星标不足千，生态和长期维护情况有待观察

适用场景

会议或通话的实时字幕生成
直播、播客的边播边转文字
语音助手或客服系统的低延迟语音输入

替代项目

whisper.cpp、faster-whisper

项目介绍

whisper-flow 是语音识别领域的开源项目，由 dimastatz 开发，2024 年首次发布。

在全站 13,591 个收录项目中，它的 GitHub 星标数（975）位列前 30%，在语音识别分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-26。开源免费，基于OpenAI Whisper模型。

它主要面向的使用场景是：会议或通话的实时字幕生成。同类可对比的替代方案包括 whisper.cpp、faster-whisper。

上一篇：faster-whisper

下一篇：TheWhisper